1. 概述

建图（Mapping），本应该是 SLAM 的两大目标之一
因为 SLAM 被称为同时定位与建图

之前讨论的都是定位问题，包括通过特征点的定位、直接法的定位，以及后端优化
事实上，在经典的 SLAM 模型中，所谓的地图，即所有路标点的集合
一旦确定了路标点的位置，那就可以说完成了建图

于是，前面说的视觉里程计也好， Bundle Adjustment 也好
事实上都建模了路标点的位置，并对它们进行优化
在这个角度上说，已经探讨了建图问题

2. 用处

SLAM 作为一种底层技术，往往是用来为上层应用提供信息的
如果上层是机器人，那么应用层的开发者可能希望使用 SLAM 来做全局的定位，并且让机器人在地图中导航
例如扫地机需要完成扫地工作，希望计算一条能够覆盖整张地图的路径
或者，如果上层是一个增强现实设备，那么开发者可能希望将虚拟物体叠加在现实物体之中
特别地，还可能需要处理虚拟物体和真实物体的遮挡关系

发现，应用层面对于“定位”的需求是相似的，希望 SLAM 提供相机或搭载相机的主体的空间位姿信息
而对于地图，则存在着许多不同的需求

在视觉 SLAM 看来，“建图”

视觉SLAM笔记（60）建图相关推荐

视觉SLAM笔记（63） RGB-D 稠密建图
视觉SLAM笔记(63) RGB-D 稠密建图 1. 建立点云地图 2. 点云地图 3. 其他重建方法 1. 建立点云地图所谓点云,就是由一组离散的点表示的地图最基本的点包含 x, y, z 三维 ...
视觉SLAM笔记（61）单目稠密建图
视觉SLAM笔记(61) 单目稠密建图 1. 立体视觉 2. 极线搜索与块匹配 3. 高斯分布的深度滤波器 1. 立体视觉相机,很久以来被认为是只有角度的传感器(Bearing only) 单个图像 ...
视觉SLAM笔记（55）位姿图
视觉SLAM笔记(55) 位姿图 1. Pose Graph 的意义 2. Pose Graph 的优化 1. Pose Graph 的意义带有相机位姿和空间点的图优化称为 BA,能够有效地求解大规 ...
综述|深度学习在SLAM定位与建图中的应用（近250篇参考文献）_3Ｄ视觉工坊的博客-CSDN博客
综述|深度学习在SLAM定位与建图中的应用(近250篇参考文献)_3D视觉工坊的博客-CSDN博客
视觉SLAM笔记（56）位姿图优化
视觉SLAM笔记(56) 位姿图优化 1. g2o 原生位姿图 2. 李代数上的位姿图优化 3. 关于后端优化 1. g2o 原生位姿图下面来演示使用 g2o 进行位姿图优化首先,用 g2o_vi ...
视觉SLAM笔记（52） BA 与图优化
视觉SLAM笔记(52) BA 与图优化 1. Bundle Adjustment 2. 投影模型和 BA 代价函数 3. BA 的求解 4. 稀疏性和边缘化 5. 鲁棒核函数 1. Bundle A ...
视觉SLAM笔记（3）视觉SLAM框架
视觉SLAM笔记(3) 视觉SLAM框架 1. 经典框架 2. 视觉里程计 3. 后端优化 4. 回环检测 5. 建图 5.1. 度量地图 5.2. 拓扑地图 1. 经典框架相机在场景中运动的过程, ...
视觉SLAM笔记（1）初识SLAM
视觉SLAM笔记(1) 初识SLAM 1. 小萝卜的例子 2. 状态环境 3. 传感器比较 1. 小萝卜的例子假设组装了一台叫做"小萝卜"的机器人,大概长的下图这个样子作为机器 ...
视觉SLAM笔记（2）相机
视觉SLAM笔记(2) 相机 1. 相机分类 2. 单目相机 3. 双目相机 4. 深度相机 1. 相机分类在 SLAM 中,非常强调未知环境在理论上,没法限制"小萝卜"的使用 ...

视觉SLAM笔记（60）建图

视觉SLAM笔记（60）建图

1. 概述

2. 用处

视觉SLAM笔记（60）建图相关推荐

最新文章

热门文章

视觉SLAM笔记（60） 建图

视觉SLAM笔记（60） 建图

1. 概述

2. 用处

视觉SLAM笔记（60） 建图相关推荐

最新文章

热门文章

视觉SLAM笔记（60）建图

视觉SLAM笔记（60）建图

视觉SLAM笔记（60）建图相关推荐